Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Definisci il contesto dell'agente dati per le origini dati del database

Questa pagina descrive come fornire un contesto creato per gli agenti di dati che utilizzano origini dati di database.

Il contesto creato è una guida che i proprietari degli agenti di dati possono fornire per modellare il comportamento di un agente di dati e perfezionare le risposte dell'API. Il contesto creato efficace fornisce agli agenti di dati dell'API Conversational Analytics un contesto utile per rispondere alle domande sulle origini dati.

Per le origini dati del database come AlloyDB, GoogleSQL per Spanner, Cloud SQL per MySQL e Cloud SQL per PostgreSQL, fornisci il contesto creato definendolo e memorizzandolo prima nel database, per poi farvi riferimento nel riferimento all'origine dati. Gli esempi in questa pagina utilizzano il metodo QueryData.

Fornire un contesto di alta precisione consente all'API di generare query SQL e risposte più accurate e pertinenti.

Prima di iniziare

Avrai bisogno di un agente di dati con il relativo contesto caricato per il database su cui vuoi eseguire query. Per saperne di più, consulta la documentazione dell'agente dati per AlloyDB, Spanner, Cloud SQL per MySQL e Cloud SQL per PostgreSQL.
Abilita l'API Cloud SQL Data per la tua istanza nel seguente modo:
```
  gcloud beta sql instances patch INSTANCE_ID --data-api-access=ALLOW_DATA_API
```
Sostituisci INSTANCE_ID con l'ID della tua istanza Cloud SQL per MySQL o Cloud SQL per PostgreSQL.

Devi anche concedere i privilegi del database a un utente IAM o a un account di servizio. Per saperne di più, consulta Concedere privilegi di database a un singolo utente IAM o account di servizio in Cloud SQL per MySQL e Concedere privilegi di database a un singolo utente IAM o account di servizio in Cloud SQL per PostgreSQL.

Fornire il contesto con `QueryData`

Quando chiami il metodo QueryData, fornisci l'origine dati e le informazioni di contesto nel campo QueryDataRequest.context.datasourceReferences. Per le origini dati del database, devi utilizzare una delle seguenti opzioni:

alloydb per AlloyDB per PostgreSQL
spanner_reference per GoogleSQL per Spanner
cloud_sql_reference per Cloud SQL per MySQL e Cloud SQL per PostgreSQL

All'interno di questi riferimenti, specifica il database e le tabelle utilizzando il campo databaseReference. Per includere il contesto creato, devi anche fornire un agentContextReference che rimandi a un context_set_id.

Esempio di richiesta `QueryData` con contesto creato

L'esempio seguente mostra una richiesta QueryData che utilizza alloydb. Il campo agent_context_reference.context_set_id viene utilizzato per collegarsi al contesto predefinito memorizzato nel database.

AlloyDB

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "alloydb": {
         "database_reference": {
           "project_id": "data-agents-project",
           "region": "us-central1",
           "cluster_id": "sqlgen-magic",
           "instance_id": "data-agents-primary",
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

GoogleSQL per Spanner

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "spanner_reference" {
         "database_reference" {
           "engine": "GOOGLE_SQL"
           "project_id": "data-agents-project"
           "instance_id": "evalbench"
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

Cloud SQL per MySQL

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "cloud_sql_reference": {
         "database_reference": {
           "engine": "MYSQL"
           "project_id": "data-agents-project",
           "region": "us-central1",
           "instance_id": "data-agents-primary",
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

Cloud SQL per PostgreSQL

{
 "parent": "projects/data-agents-project/locations/us-central1",
 "prompt": "How many accounts who have region in Prague are eligible for loans? A3 contains the data of region.",
 "context": {
   "datasource_references": [
     {
       "cloud_sql_reference": {
         "database_reference": {
           "engine": "POSTGRES"
           "project_id": "data-agents-project",
           "region": "us-central1",
           "instance_id": "data-agents-primary",
           "database_id": "financial"
         },
         "agent_context_reference": {
           "context_set_id": "projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates"
         }
       }
     }
   ]
 },
 "generation_options": {
   "generate_query_result": true,
   "generate_natural_language_answer": true,
   "generate_disambiguation_question": true,
   "generate_explanation": true
 }
}

Il corpo della richiesta contiene i seguenti campi:

prompt: La domanda in linguaggio naturale dell'utente finale.
context: contiene informazioni sulle origini dati.
- datasource_references: specifica il tipo di origine dati.
  - alloydb: obbligatorio durante l'esecuzione di query sul database. Questo campo cambia in base al database su cui esegui la query.
    - database_reference: specifica le informazioni relative all'istanza del database.
      - engine: il motore del database o il dialetto SQL. Facoltativo per AlloyDB. Per i database Spanner, imposta questo valore su GOOGLE_SQL. Per le istanze Cloud SQL per MySQL, imposta il valore su MYSQL. Per le istanze Cloud SQL per PostgreSQL, imposta il valore su POSTGRESQL.
      - project_id: l'ID progetto dell'istanza del database.
      - region: la regione dell'istanza del database.
      - cluster_id: l'ID cluster dell'istanza del database.
      - instance_id: l'ID istanza del database.
      - database_id: l'ID del database.
    - agent_context_reference: Link al contesto creato nel database.
      - context_set_id: l'ID contesto agente archiviato nel database. Per saperne di più su come trovare l'ID del set di contesto, consulta la documentazione di AlloyDB, Spanner, Cloud SQL per MySQL e Cloud SQL per PostgreSQL.
generationOptions: configura il tipo di output da generare.
- generate_query_result: impostalo su true per generare e restituire i risultati della query.
- generate_natural_language_answer: (Facoltativo) Se impostato su true, genera una risposta in linguaggio naturale.
- generate_explanation: (Facoltativo) Se il valore è impostato su true, viene generata una spiegazione della query SQL.
- generate_disambiguation_question: (Facoltativo) Se impostato su true, genera domande di disambiguazione se la query è ambigua.

Esempio di risposta `QueryData`

Ecco un esempio di risposta corretta da una chiamata QueryData:

{
 "generated_query": "-- Count the number of accounts in Prague that are eligible for loans\nSELECT\n  COUNT(DISTINCT \"loans\".\"account_id\")\nFROM \"loans\"\nJOIN \"district\" -- Join based on district ID\n  ON \"loans\".\"district_id\" = \"district\".\"district_id\"\nWHERE\n  \"district\".\"A3\" = 'Prague'; -- Filter for the Prague region",
 "intent_explanation": "The question asks for the number of accounts eligible for loans in the Prague region. I need to join the `district` table with the `loans` table to filter by region and count the distinct accounts. The `A3` column in the `district` table contains the region information, and I'll filter for 'Prague'. The `loans` table contains information about loans, including the `account_id` and `district_id`. I will join these two tables on their respective district IDs.",
 "query_result": {
   "columns": [
     {
       "name": "count"
     }
   ],
   "rows": [
     {
       "values": [
         {
           "value": "2"
         }
       ]
     }
   ],
   "total_row_count": 1
 },
 "natural_language_answer": "There are 2 accounts in Prague that are eligible for loans."
}

Definisci il contesto dell'agente dati per le origini dati del database Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.